现有的绝大多数研究估计了未解释的平均性别收入差距，使用了不必要的布林德-瓦哈卡分解的限制性线性版本。利用瑞士170万员工的丰富而庞大的数据集，我们调查了这种大数据所带来的方法上的改进是如何影响无法解释的性别薪酬差距的估计的。我们研究了以下估计的敏感性:i)可观察的可比较男性和女性的可用性，ii)控制工资决定因素时模型的灵活性，iii)不同参数和半参数估计量的选择，包括使用机器学习方法的变量。我们发现这三个因素影响很大。布林顿-瓦哈卡估计，当我们加强男女之间的可比性，并使用更灵活的工资等式规范时，无法解释的性别工资差距下降了高达39%。与Blinder-Oaxaca估计相比，半参数匹配的产量估计要小50%，而且对纳入工资决定因素的方式也不太敏感。